Kako simulacija gomile umjetnom inteligencijom predviđa reakcije javnosti

Simulacija mase pomoću umjetne inteligencije predviđa reakcije javnosti tako što iz stvarnog konteksta grade populaciju AI agenata i omogućavaju im interakciju tokom vremena, umjesto da od jednog modela traže samo jedan odgovor. U InfoDome, vaš dokument postaje graf znanja, graf postaje stotine agenata sa svojim karakterom, pozicijom i pamćenjem, a ti agenti raspravljaju na dvije simulirane platforme tokom odabranog broja rundi. Analitički agent zatim čita šta se dogodilo i piše izvještaj o predviđanju koji možete dovesti u pitanje.

Zašto simulirati gomilu umjesto da se pita jedan model

Ako pitate jedan model umjetne inteligencije "kako će ljudi reagovati na ovo?", dobit ćete jedan uvjerljiv paragraf. Često je razuman, ali je prosjek: jedan glas zamišlja sve odjednom. Prave reakcije ne funkcionišu tako. Ljudi reaguju jedni na druge. Objava kritičara oblikuje kako neutralni čitalac vidi vijesti; odgovor branioca mijenja ono što kritičar sljedeće kaže; novinar prepoznaje najglasnije, a ne najtačnije okvire.

Simulacija mase pokušava uhvatiti tu dinamiku. Umjesto jednog zamišljenog konsenzusa, ona modelira mnoge različite aktere i omogućava da ishod proizilazi iz njihove interakcije. Zato vas rezultat može iznenaditi i zato je vrijedno provjeriti iznenađenja. Šira metoda je poznata kao multi-agentna simulacija; njenu pozadinu objašnjavamo u odjeljku Šta je multi-agentna simulacija .

Korak 1: Od dokumenta do grafa znanja

Sve počinje s vašim materijalom: vijestima, planovima, izvještajima, nacrtima politika ili fikcijom, u PDF, Markdown ili tekstu. InfoDome ga čita zajedno s vašim jednostavnim opisom onoga što želite predvidjeti i izdvaja grafikon znanja:

• Entiteti : ljudi, organizacije i grupe spomenute u tekstu.
• Odnosi : ko koga podržava, protivi se, zavisi od, izvještava o nekome ili se s kim takmiči.
• Kontekst : činjenice i stavovi koje tekst pripisuje svakom od njih.

Grafikon je važan jer simulaciju usidrava u vašoj situaciji, a ne u generičkim pretpostavkama. Također je vidljiv i vama, tako da možete vidjeti šta je sistem razumio prije nego što se bilo šta pokrene.

Korak 2: Od grafa do agenata

Iz grafa i opisa vaše publike, InfoDome kreira stotine AI agenata; tačan broj zavisi od dokumenta. Svaki agent dobija:

• Lik : temperament, interesovanja, način na koji govori i komunicira.
• Pozicija : gdje počinje po pitanju, na osnovu grafikona.
• Dugoročno pamćenje : ono što je viđeno, rečeno i rečeno, a što se pamti kroz runde.
• Država : možete odabrati do 10 država publike, a agenti su ravnomjerno raspoređeni među njima. Pravi imenovani entiteti iz dokumenta zadržavaju svoju državu.

Kombinacija je namjerna. Neki agenti predstavljaju imenovane organizacije ili ljude iz vašeg teksta; drugi predstavljaju članove šire publike, tako da simulacija uključuje i vidljive aktere i publiku koja na njih reaguje.

Korak 3: Runde na dvije platforme

Agenti zatim komuniciraju u simuliranoj društvenoj mreži koja paralelno radi na dvije platforme:

• Feed sličan Twitter : kratke objave, brze reakcije, ponovne objave. Ovdje se okviri brzo šire, a ton eskalira.
• Forum sličan Reddit : duže teme i odgovori. Ovdje se provjeravaju argumenti, raspravlja o detaljima i stavovi se učvršćuju ili omekšavaju.

Vi birate broj rundi, na primjer 10, 20 ili 40. U svakoj rundi agenti čitaju šta su drugi objavili, odlučuju da li i kako će odgovoriti i ažuriraju svoje pamćenje. Budući da se pamćenje prenosi, runda 15 je oblikovana onim što se dogodilo u rundama od 1 do 14. Argument koji je rano ostao bez odgovora može kasnije postati prihvaćena mudrost; ispravka koja je stigla kasno možda nikada neće biti sustignuta.

Korak 4: Od razgovora do izvještaja

Nakon posljednje runde, analitičar proučava simuliranu aktivnost i piše izvještaj o predviđanju sa zaključcima: dominantni narativi, koje su se grupe pomjerile i zašto, koji su akteri djelovali kao pojačivači, koji rizici i otvorena pitanja ostaju. Izvještaj nije jedini rezultat. Možete otvoriti osnovne objave, intervjuirati bilo kojeg agenta o njegovom obrazloženju i postaviti analitičaru dodatna pitanja. Ta sljedivost je ono što simulaciju pretvara u hipotezu koju je moguće pregledati, a ne u presudu crne kutije.

Zašto su reakcije drugog reda važne

Prvu reakciju na vijesti obično je lako pogoditi. Povećanje cijena nervira kupce; novi propis brine reguliranu industriju. Ono što je teško pogoditi je reakcija drugog reda : reakcija na reakciju.

Primjeri efekata drugog reda koje simulacija gomile može pojaviti:

• Defanzivni odgovor kompanije pretvara malu žalbu u priču o aroganciji.
• Glasina blijedi na brzom prijenosu, ali preživljava u forumu koji se kasnije ponovo pojavljuje.
• Mlaku podršku saveznika neutralni agenti tumače kao znak skrivenih problema.
• Dvije grupe koje su krenule na suprotnim stranama otkrivaju zajedničku pritužbu i slažu se.

Ovi efekti se pojavljuju samo kada akteri reaguju jedni na druge tokom vremena, što je upravo ono čemu služe runde i pamćenje. To su ujedno i efekti koji najčešće iznenađuju organizacije, jer ih nijedan intervju sa zainteresovanim stranama ne bi otkrio.

Urađen primjer

Gradska uprava izrađuje nacrt plana za pretvaranje prometne trgovačke ulice u pješačku zonu. Tim za planiranje postavlja nacrt, sažetak studije prometa i lokalni izvještaj u kojem se citiraju vlasnici trgovina. Pitaju kako će stanovnici, vlasnici trgovina, dostavne kompanije i lokalni mediji reagirati tokom prvog mjeseca i provode 40 krugova u jednoj zemlji.

Prvi krugovi ne donose iznenađenja: vlasnici trgovina brinu o dostavama, stanovnicima se sviđa ideja manje buke. Zatim se pojavljuje obrazac druge narudžbe. Agent dostavne kompanije objavljuje da bi prozori za dostavu u ranim jutarnjim satima riješili većinu problema. Agenti vlasnika trgovina na forumu to primjećuju, a njihova kritika se mijenja od "protiv plana" do "protiv plana bez prozora za dostavu". U međuvremenu, na feedu, lokalni medijski agent pojačava žalbu stanovnika na parkiranje, što odvlači pažnju od dostava.

Izvještaj analitičara zaključuje da bi vremenski okviri za dostavu mogli podijeliti opoziciju i da je parkiranje trajniji rizik. Tim intervjuiše medijskog agenta kako bi razumio koje činjenice bi promijenile okvir, a zatim dodaje dio za parkiranje planu. Simulacija nije ništa dokazala o stvarnoj ulici, ali je timu dala dvije konkretne, provjerljive hipoteze. Za situacije s puno glasina, scenario širenja glasina izgrađen je oko iste mehanike.

Ograničenja koja treba imati na umu

Simulacija gomile je moćna za istraživanje dinamike, ali ima jasna ograničenja:

• Agenti su AI modeli uslovljeni vašim dokumentima. Nedostatak zainteresovanih strana ili jednostran materijal dovode do slijepih tačaka.
• Rezultati nisu statistički reprezentativni poput uzorka ankete, a procente ne treba čitati kao udjele iz stvarnog svijeta.
• Različiti ciklusi se mogu odvijati različito. Tretirajte konzistentne obrasce kao jače signale nego pojedinačne dramatične trenutke.

Imajući na umu ova ograničenja, simulacija je brz način da se vidi šta bi se moglo sljedeće dogoditi i zašto. Da biste to isprobali na vlastitom slučaju, pripremite zadatak u konzoli .